- Advertisement -
首頁 標籤 工業製造

工業製造

- Advertisment -

IIoT故障預診斷 提升產能/設備稼動率

隨著軟硬體的進步,人工智慧(AI)和大數據(Big Data)等技術也跟著蓬勃發展,包括資料收集與分析等都比以往更為方便,例如將這些技術導入工業製造,進行設備故障的預先診斷,也能大幅提升產能與效率並降低相關成本。 工業技術研究院巨量資訊科技中心資料分析技術部副經理賴建良表示,善用AI和大數據可以創造智慧製造新價值。在產線端可以導入故障預診斷(PHM)技術,提升產線效率同時降低維修成本。 賴建良說明,工業製造的產線設備維護包含了預測和進廠管理兩個部分。預測的其中一個問題就是過度保養(Over Maintenance),有時設備零件還沒壞,保養時間到還是馬上更換,造成資源以及開銷的浪費,但是機器故障的成本太高,通常還沒損壞仍會選擇換掉,形成過度保養的問題。另一個問題則是非預期性停機(Unscheduled Downtime),即使已經定期更換零件,設備依然有可能意外停機,停機以後就須要進行清機和調機等作業,進而會影響產能和設備稼動率。最後,還有無法確定產品異常原因的狀況,當下游檢測機台發現產品異常,就須要停機,耗費大量時間與人力成本去尋找異常原因,造成產品的良率下降甚至報廢等問題。 針對故障預診斷,賴建良做了進一步的說明,利用生產過程中機台相關的資料與維修紀錄,可以進行故障預診斷。收集關鍵零件的健康指標,了解零件與正常狀態的差距,進行健康狀態評估(Health Status Assessment),即可快速找出故障源進行排除,關鍵零件健康狀態一目了然;另外,藉由相關資料的收集分析,可以進行故障預測(Failure Prediction),避免零件無預警故障造成非預期性停機,在故障點前提早預測到,事先進行零件的更換與維修,減少無預期故障帶來的原料損失;除了在故障前預測之外,也可以進行零件的剩餘壽命預測(Remaining Useful Life Prediction),對維修排程、備料與產線調配做更好的安排,提高機台稼動率並降低機台維護成本。 工研院巨量資訊科技中心資料分析技術部副經理賴建良表示,在產線端導入PHM技術,可以提升產能減少成本。 賴建良舉例說明,如華邦電子建置的機台預警系統,透過對參數因子的蒐集、解讀和分析預測,在問題事件發生前發出預警通知,減少非預期性停機狀況,並在第一時間採取矯正措施。在高度自動化的工廠結合機台預警系統,優化生產流程,確保少量多樣的產品品質,滿足車規或公規等高階市場的需求。
0

施耐德電機名列2019 Gartner全球25大供應鏈前11強

施耐德電機(Schneider Electric)宣布榮登國際研究暨顧問機構Gartner的2019年全球25大供應鏈廠商前11強,也是唯一入榜的電機公司;同時,施耐德電機也榮獲2019年Gartner供應鏈創新獎的工業製造供應鏈創新獎(Industrial Manufacturing Supply Chainnovator Award)殊榮,再次證明施耐德電機Schneider Electric在能源管理供應鏈的全球領導地位。 獲得2019年全球25大供應鏈殊榮的公司包括思科系統、英特爾、星巴克與NIKE等跨國知名企業,皆符合三項關鍵趨勢,大規模且客製化、充分利用生態系統以及持續推動商業主導的數位策略;而工業製造供應鏈創新獎旨在獎勵「工業製造領域中不落窠臼、勇於創新且影響深遠的供應鏈計劃」。 施耐德電機全球供應鏈執行副總Mourad Tamoud表示,非常高興施耐德電機2019年在Gartner 全球25大供應鏈廠商的排名中繼續上升。施耐德電機在供應鏈所做的數位轉型工作進展相當順利,激勵了本公司團隊與合作夥伴,持續為客戶推行量身訂製、具永續性且互聯互通的4.0供應鏈方案。獲得工業製造供應鏈創新獎肯定了施耐德電機由全體員工共同參與數位轉型的人才策略(People Strategy)。這對施耐德電機c而言意義十分重大,因為我們的員工正是供應鏈的基石。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -